(1) 분석모형
본 연구의 목적이 한국의 기업별 패널자료를 통해 기업의 투자 행위에 미치는 조세정책의 효과를 분석하는 데 있으므로, 조세조 정Q를 이용한 q투자모형(q Investment Model)을 적용하는 것이 타당 하다고 할 수 있다.
투자는 동태적 과정으로서 미래 수익에 대한 전망 등 실증적으 로 분석하기 어려운 요인들이 결합되어 이루어진다. 따라서 투자 이론의 발전에 비해 미시자료를 이용한 기업투자에 대한 실증분 석은 그리 많이 이루어지지 않았다. 기업투자 모형 중 q모형은 미 래 수익에 대한 기대를 포함하고 또 조정비용을 고려함으로써 투 자의 동태성을 만족시키고 있다. 또한 기업투자함수는 극대화조 건으로부터 도출되므로 이론상 가장 우수한 모형으로 평가된다.
그럼에도 불구하고 q투자모형은 q를 통계적으로 추정해 내는 데 있어서 많은 어려움이 따르며 기업투자함수 추정결과에서 q의 통 계적인 설명력이 낮고 추정계수가 작게 나타나고 있어 그동안 기 업투자를 분석하는 데 활발하게 적용되지 못했다.
더구나 현실적으로는 기업투자가 정부의 조세정책에 의해 적지 않은 영향을 받는 만큼 조세를 조정한 모형이 훨씬 현실 설명력 이 높을 것이나 우리나라에서 조세조정Q를 추정해 본 시도는 이 제까지 매우 드물었다. 본 논문은 q투자모형을 실증분석을 위한 기본모형으로 선택한다. q투자모형을 적용해 조세정책의 효과를 분석한 서구의 논문은 많이 있으나, 우리나라에 적용한 연구는 거의 없는 실정이다. 본 연구의 결과를 다른 국가들과 비교하는 것은 한국의 조세정책을 평가하는 데 매우 유용한 자료로 활용할
수 있기 때문에 분석의 의미가 크다고 할 수 있다. q투자모형을 적 용해 종합적으로 국제비교한 연구로 Cummins, Hassett and Hubbard
(1996)을 들 수 있다. 이 연구에서 사용한 자료는 기업수준의 불균 형패널자료이며, 분석기법이 본 연구와 유사하므로, 이들 연구에 서 사용한 q투자모형을 적용해 봄으로써 한국의 연구결과를 다른 나라와 비교해 볼 수 있는 이점이 있다.
기업투자모형은 조정비용이 고려된 모형과 조정비용이 고려되 지 않은 모형로 구분할 수 있다. 가속도모형이나 오차수정모형과 는 달리 q투자모형과 오일러모형은 조정비용을 명시적으로 고려 해 도출된 모형들이다.16) q투자모형에 조세조정Q를 설명변수로 이용한 연구는 여러 가지 형태가 있으나, 사용하는 자료형태에 따라 크게 두 가지로 나눌 수 있다. 먼저 Summers(1981)를 시작으 로 초기의 실증분석은 주로 기업의 투자 및 관련 변수들에 대해 시계열자료를 사용해 분석했다. 둘째는 기업의 미시자료를 사용 한 모형으로, 본 연구에서는 기업별 미시자료를 바탕으로 이루어 지므로, Summers(1981)가 사용한 조세조정Q를 q투자함수에 넣어 추정한 Cummins, Hassett and Hubbard(1996), Desai and Goolsbee
(2004) 모형을 적용하기로 한다.
우선 q투자함수를 유도해 내기 위해서 다음과 같은 조정비용함 수를 가정하기로 한다.
16) 조정비용함수는 투자의 증가함수이고 볼록함수라고 가정하는데 이것은 주어 진 자본량에 대해 투자율이 증가하면서 투자 한 단위를 집행하는 비용이 점 점 더 증가함을 의미한다. 조정비용을 명시적으로 고려하는 모형으로는 토 빈q투자모형과 오일러방정식모형을 들 수 있다. Brun dell, Bon d, D evereu x and Sch ian tarelli(199 2)는 q투자모형을 사용해 투자의 현금흐름 민감성문제를 검증했으며, Bon d an d Megh ir(1994)는 이 문제를 분석하기 위해 Euler모형을 이용했다.
(8)
여기서 는 평균투자율이고,
는 조정비용파라미터를 나타내 며, 는 기업투자액, 은 연초 자본스톡을 나타낸다. q투자모 형에 조세조정
를 도입한 구체적인 모형은 다음과 같다.17)
(9)
여기서, 조세조정 =
(10)
여기에서
는 조세조정Q를 나타내며 이 식 안에 포함된
는 조세미조정q이다. 또한 식(10)에서 는 자산에 대한 조세지원 에 따른 조세경감률,
는 법인세율을 의미한다.이 모형에서 조세가 없는 경우를 가정해, 일단
이 되면 기 업은 투자를 멈추게 된다. 물론 투자에 대한 과도한 보조가 존재 (즉, )하는 경우에 기업은
일 때까지 투자를 계속할 수 도 있다. 위 식은 투자가 조세변수를 포함해 신고전파에서 사용 하는 변수에 대한 반응을 추정하는 간편한 방식이다.또한 조세지원에 따른 기업들의 조세경감률은 다음과 같다.
∝ (11)17) 구체적인 추정과정은 Su mm ers (1981), C um min s, H ass ett an d H ub bard (1996), D es ai and G oo lsbee(2004)를 참조.
여기서 는 i자산에 대한 투자세액공제율, r은 실질 이자율,
는 기대인플레율,
는 법인세율, 는 i자산에 대한 감가상 각액,
는 전체 투자자산에서 j자산이 차지하는 비율을 의미한다.그런데 조세조정 전의 토빈q는 다음과 같이 표시할 수 있다.
(12)
여기서 는 기업주식의 시장가치, 는 기업부채의 시장가치,
는 t기전에 이루어진 투자재에 대한 감가상각에 대한 조세절약 분(Tax-saving)의 현재가치이다. 또한 는 재고를 포함하는 연초 기 업 자본스톡의 대체가치이다.
이 연구에서는 q투자모형을 이용해 조세정책의 변화가 기업투 자에 미치는 영향을 실증 분석한다. q투자모형에서 조세조정Q, 현금흐름(CF_K)과 함께 종속변수의 1기 시차변수가 설명변수로 포함되며 다음과 같이 간단한 표기를 이용해 투자함수를 나타낼 수 있다.
(13)실증분석에서는 식(13)으로 표시된 기본모형을 이용해 분석했 다. 여기서 I는 기업투자, 는 조세조정Q, CF는 현금흐름이며, K는 연초 자본스톡의 시장가치를 나타낸다. 여기에서 오차항은
e
it=αt+αi+v it으로 이에 대해서는 이후의 절에서 좀더 상세 하게 언급한다.(2) 추정방법
본 연구에서 이용하는 자료는 불균형패널자료이고 종속변수의 시차변수가 독립변수의 하나로 포함되는 동태적인 모형이다. 이 러한 모형을 동태적패널자료(Dynamic Panel Data; DPD) 모형이라 하 는데 이 같은 모형의 추정에는 GMM을 이용함으로써 효율적이고 일관성 있는 추정치를 얻을 수 있다.18) 본 연구는 불균형패널자 료의 동태분석을 위해 Blundell and Bond(1998)의 방법론을 사용했 다. 투자함수의 추정 시 일반적인 패널자료추정기법으로 충분하 지 않은 이유는 투자함수 내에 도입되는 투자결정요인이 거시적 경제변수 및 미시적 재무변수에 의해 결정되는 변수로서 본질적 으로 내생적일 가능성이 높다는 특성 때문이다. 그간 실증분석에 서 q의 설명력이 만족스럽지 못했던 것은 q의 내생성을 고려하지 않았기 때문이다.19)
식(13)의 q투자모형의 교란항은 기업특정효과 αi, 시간특정효 과 αt, 임의충격(Id iosyn cratic Sh ock)
v
it로 다음과 같이 나타낼 수 있다.
e
it= αt+αi+v it (14)이러한 동태적패널자료를 계량추정하는 방법은 통상 보통최소 자승법(OLS), Within Groups, 일반화적률법(Generalized Method of Moments; GMM)이 사용될 수 있으나, OLS는 변수의 수준자료를 이 용해 추정하는 것으로 관찰되지 않은 기업고유 효과를 통제하지 못하며 따라서 기업고유 효과가 중요하다면 자기회귀계수의 추정
18) Ahn an d Schm idt(1995) 및 Blun dell an d Bo nd(1998), Bon d(1 998)을 참조.
19) Blun dell et al(1992) 참조.
치의 상향편의를 가져올 가능성이 크다. 또한 Within Group 추정 치는 오차항과 시차종속변수가 음의 상관관계를 갖기 때문에 하 향편의를 갖게 된다. GMM 1차차분방법(DIF-GMM)은 방정식들을 차분함으로써 기업특정 효과를 제거하고 또 내생변수의 시차변수 를 수단변수로 사용하는 방식이다. 이와 같은 상태에서 DIF-GMM 은 투자함수 내 모수들의 일치 추정치를 얻는 추정량으로 폭넓게 사용되고 있다.
이러한 DIF-GMM 모형은 1차차분 시차종속 변수의 도구변수 로서 종속변수의 시차변수를 이용한다. 그러나 Blundell and Bond
(1998)는 일시적인 충격오차항과 개별기업 고유효과간에 상대적 분산이 큰 경우 DIF-GMM 모형의 도구변수는 타당하지 않다. 따 라서 이들은 이같은 문제점을 해결하기 위해 SYS-GMM을 이용 할 것을 권고하고 있다. 이러한 추정상의 문제점을 고려해 이 연 구에서는 Arellano and Bond(1998)가 고안한 SYS-GMM을 이용해 분석했다. 즉 SYS-GMM은 두 개의 방정식을 결합해 추정한다. 1 차차분 회귀식에는 설명변수의 수준시차 변수를 도구변수로 이용 하고 수준회귀식에는 설명변수의 차분시차변수를 도구변수로 이 용해 실증 분석한다.
패널자료의 분석에서는 내생성(Endogeneity)이 고려되어야 하며 외생변수를 가정하는 OLS 등의 추정량은 적합하지 않다. 이 연구 에서는 동태적인 패널모형을 추정하기 위해 SYS-GMM을 사용했 다.20) 이 방법을 이용해 추정된 추정치는 관찰되지 않은 기업특 정 효과의 존재나 현재의 설명변수의 내생성을 통제한 것이다.
본 연구는 추정과정에서 수단변수로 독립변수들의 일정한 시차변 수 및 수준변수를 이용했다. 이 경우 수단변수의 타당성은 과도
20) Arellano & Bo nd(1998) 참조.
식별제약(Over-identifying Restrictions)에 대한 Sargan 검증법을 사용해 검증할 수 있다. 또한 회귀 잔차항에 대한 계열상관 검정이 필요 하다. 수단변수로 사용되는 내생변수의 이용은